Tag
7 件の関連記事
シンキング・マシーンズ・ラボ (Thinking Machines Lab) は2026年7月16日(現地時間)、初の本格的な大規模言語モデル (LLM) ファミリー「Inkling」をオープンウェイトで正式リリースした。Inklingは975B (総パラメータ数) / 41B (アクティブパラメータ数) のMixture-of-Experts (MoE) モデルで、Apache 2.0ライセンスの下で提供される。同時に、より軽量なInkling-Small (276B/12B) のプレビューも公開された。
Together AIは2026年7月15日(現地時間)、シンキング・マシーンズ・ラボ (Thinking Machines Lab) が開発した新しいマルチモーダルな混合専門家（MoE）モデル「インクリング (Inkling)」を、同社の推論プラットフォームで提供開始した。インクリングはテキスト、画像、音声を入力として受け入れ、テキストを出力する。制御可能な推論努力をサポートし、開発者が各タスクのニーズに応じてモデルの推論適用度を調整できる点が特徴である。
Metaは7月9日(現地時間)、マルチモーダル推論モデル「Muse Spark 1.1」を発表し、これにアクセスする「Meta Model API」のパブリックプレビューを開始した。Muse Spark 1.1はエージェントタスクに特化しており、ツール利用、コーディング、マルチモーダル理解の能力を強化。開発者向けにAPI市場へ提供されることで、既存のシステムへの新たな選択肢として評価が求められる。
arXivは7月6日(現地時間)、複雑な画像作成と編集を支援する新たなマルチモーダルエージェント「CanvasAgent（キャンバスエージェント）」と、大規模なツール利用データセット「CanvasCraft（キャンバスクラフト）」に関する研究論文を発表した。本研究は、既存の画像生成技術が抱える単一モデルでの多様な視覚タスク対応の限界や、ツール利用エージェントにおける教師データ不足の課題を克服することを目指す。複数のビジュアルツールを連携させることで、画像合成やオブジェクトの局所化、領域分割、コンテンツ編集といった広範なプロセスを最適化する。
ミストラルAI (Mistral AI) は6月12日(現地時間)、開発者向けドキュメント「Changelogs」を更新し、最新のマルチモーダルモデル「Mistral Medium 3.5」をオープンウェイトで公開したことを明らかにした。このモデルはエージェント機能とコーディングタスクに最適化されており、推論能力を調整可能な「reasoning_effort」パラメータを搭載している。同社はまた、既存モデルの更新や新たなテキスト読み上げモデルのリリースなど、継続的な製品強化を進めている。
arXiv cs.CLが2026年4月17日(現地時間)付けで報じた。Manh Luong氏らが論文「MCBench: A Multicontext Safety Assessment Benchmark for Omni Large Language Models」を発表し、視覚、音声、テキストを統合処理するOmni Large Language Models (LLMs) の安全性評価に特化した新たなベンチマーク「MCBench」を導入した。従来のマルチモーダル安全性ベンチマークが視覚入力に限定されていたのに対し、MCBenchは複数のモダリティの統合を必要とする1196の多様なシナリオと4つの安全カテゴリを網羅する。
Google DeepMindは6月3日(現地時間)、ノートPC上で高性能なマルチモーダルインテリジェンスを実現する新モデル「Gemma 4 12B」を発表した。このモデルは、エッジ向けE4Bと高度な26B MoEの中間に位置する性能を目指し、メモリ使用量を抑えつつ強力な機能を搭載。エンコーダーフリーのアーキテクチャによりレイテンシとメモリ消費を大幅に削減し、同社ミッドサイズモデルとして初めてネイティブオーディオ入力に対応した詳細が明らかになった。